Spaces:
Sleeping
Sleeping
| title: PDF2podcast 2 Tts | |
| emoji: 💻 | |
| colorFrom: indigo | |
| colorTo: red | |
| sdk: gradio | |
| sdk_version: 5.23.2 | |
| app_file: app.py | |
| pinned: false | |
| short_description: 原tbdavid2019/PDF2podcast拆出的語音生成(2) | |
| # TTS Generator (語音合成器) | |
| 這是一個基於OpenAI TTS API的語音合成應用程式，可將文字腳本轉換為自然流暢的語音。應用程式支援雙說話者對話，並提供簡潔的網頁界面，適合製作播客、有聲書或對話式內容。 | |
| ## 功能特點 | |
| - 🎙️ **雙說話者支援**：可分配不同聲音給兩位說話者，適合對話式內容 | |
| - 🔄 **智能文本優化**：自動合併相同說話者的連續文本，減少API調用次數 | |
| - 🎛️ **多種聲音選項**：支援OpenAI的全部6種TTS聲音（alloy、echo、fable、onyx、nova、shimmer） | |
| - 🎚️ **模型選擇**：支援標準(tts-1)和高清(tts-1-hd)音頻模型 | |
| - 🌐 **友好界面**：基於Gradio的簡潔網頁界面，易於使用 | |
| - 💾 **自動文件管理**：自動保存生成的音頻並清理過期文件 | |
| - 🔊 **音量調整**：內建音量增益功能，可調整輸出音頻音量 | |
| - 🌍 **API支援**：提供獨立的API服務，支援外部應用程式呼叫 | |
| - 🔑 **環境變量**：支援通過.env文件配置API金鑰 | |
| ## 安裝說明 | |
| ### 前置需求 | |
| - Python 3.7+ | |
| - OpenAI API金鑰（需要啟用TTS功能） | |
| - 可選：創建`.env`文件存儲API金鑰（從`.env.example`複製並修改） | |
| ### 安裝步驟 | |
| 1. 克隆此專案或下載源碼 | |
| 2. 安裝依賴項： | |
| ```bash | |
| pip install -r requirements.txt | |
| ``` | |
| ## 使用方法 | |
| ### 環境設置 | |
| ```bash | |
| # 複製環境變量範本 | |
| cp .env.example .env | |
| # 編輯 .env 文件，添加您的 OpenAI API Key | |
| nano .env # 或使用其他編輯器 | |
| # 安裝依賴項 | |
| pip install -r requirements.txt | |
| ``` | |
| ### 通過網頁界面使用 (app.py) | |
| 1. 運行Gradio應用程式： | |
| ```bash | |
| python app.py | |
| ``` | |
| 2. 在瀏覽器中打開顯示的URL（通常是 http://127.0.0.1:7860） | |
| 3. 在文本框中輸入您的腳本 | |
| 4. 輸入您的OpenAI API金鑰（或預先在`.env`文件中配置） | |
| 5. 選擇所需的音頻模型和說話者聲音 | |
| 6. 調整音量增益（建議值：6-10 dB） | |
| 7. 點擊「生成音頻」按鈕 | |
| 8. 等待處理完成後，您可以播放或下載生成的音頻 | |
| ### 通過API使用 (api.py) | |
| 如果您需要從外部應用程式呼叫TTS功能，可以使用API： | |
| 1. 運行API服務： | |
| ```bash | |
| python api.py | |
| ``` | |
| 2. API服務將在 http://localhost:8000 啟動 | |
| #### API端點 | |
| ##### 生成音頻 | |
| ``` | |
| POST /generate-audio | |
| ``` | |
| 請求體示例： | |
| ```json | |
| { | |
| "script": "speaker-1: 你好，歡迎來到播客！\nspeaker-2: 謝謝邀請，很高興來到這裡。", | |
| "api_key": "your_openai_api_key", | |
| "model": "tts-1", | |
| "speaker1_voice": "onyx", | |
| "speaker2_voice": "nova", | |
| "volume_boost": 6.0, | |
| "return_url": false | |
| } | |
| ``` | |
| - 如果`return_url`為`false`，將直接返回音頻文件 | |
| - 如果`return_url`為`true`，將返回音頻文件的URL | |
| ##### 獲取可用選項 | |
| ``` | |
| GET /options | |
| ``` | |
| 返回可用的音頻模型和聲音選項。 | |
| ##### API文檔 | |
| 啟動API服務後，可以訪問自動生成的API文檔： | |
| - Swagger UI: http://localhost:8000/docs | |
| - ReDoc: http://localhost:8000/redoc | |
| ## 腳本格式 | |
| 腳本應按以下格式編寫： | |
| ``` | |
| speaker-1: 這是第一位說話者的台詞。 | |
| speaker-2: 這是第二位說話者的台詞。 | |
| 這行沒有標記說話者，將默認使用說話者1的聲音。 | |
| speaker-1: 繼續對話... | |
| ``` | |
| **提示**：相同說話者的連續文本會自動合併處理，以提高API調用效率。 | |
| ## 參數說明 | |
| | 參數 | 說明 | | |
| |------|------| | |
| | 音頻模型 | 選擇TTS模型：標準(tts-1)或高清(tts-1-hd) | | |
| | 說話者1聲音 | 第一位說話者使用的聲音 | | |
| | 說話者2聲音 | 第二位說話者使用的聲音 | | |
| | 音量增益 | 增加音頻音量的分貝值（dB），建議值：6-10 dB | | |
| | OpenAI API Key | 您的OpenAI API金鑰 | | |
| ## 聲音選項 | |
| 應用程式支援以下OpenAI TTS聲音： | |
| - **alloy**: 全能且平穩的聲音 | |
| - **echo**: 深沉且有力的聲音 | |
| - **fable**: 溫暖且適合講故事的聲音 | |
| - **onyx**: 明確且專業的聲音 | |
| - **nova**: 友好且自然的聲音 | |
| - **shimmer**: 清晰且愉悅的聲音 | |
| ## 技術細節 | |
| - 使用OpenAI的TTS API進行語音合成 | |
| - 使用Gradio建立網頁界面（app.py） | |
| - 使用FastAPI提供RESTful API（api.py） | |
| - 自動管理臨時音頻文件（24小時後自動清理） | |
| - 支援流式處理大型音頻文件 | |
| - 使用pydub處理音頻音量調整 | |
| ## 依賴項 | |
| - gradio: 網頁界面 | |
| - openai: OpenAI API客戶端 | |
| - fastapi: API框架 | |
| - uvicorn: ASGI服務器 | |
| - pydub: 音頻處理 | |
| - python-dotenv: 環境變量管理 | |
| - pathlib: 文件路徑處理 | |
| - io: 二進制數據處理 | |
| ## 注意事項 | |
| - 使用此應用程式需要有效的OpenAI API金鑰 | |
| - API使用會產生費用，請參考OpenAI的[價格頁面](https://openai.com/pricing) | |
| - 生成的臨時音頻文件會在24小時後自動刪除 | |
| - 在Hugging Face Space上運行時，app.py會自動啟動，提供Gradio界面 | |
| - 如需API功能，需要單獨運行api.py | |
| ## 授權信息 | |
| [MIT授權](https://opensource.org/licenses/MIT) | |